DE112015007204T5 - TIME RANGE TRANSFORMATION FOR USER GESTURES - Google Patents
TIME RANGE TRANSFORMATION FOR USER GESTURES Download PDFInfo
- Publication number
- DE112015007204T5 DE112015007204T5 DE112015007204.7T DE112015007204T DE112015007204T5 DE 112015007204 T5 DE112015007204 T5 DE 112015007204T5 DE 112015007204 T DE112015007204 T DE 112015007204T DE 112015007204 T5 DE112015007204 T5 DE 112015007204T5
- Authority
- DE
- Germany
- Prior art keywords
- measurements
- module
- gesture
- sampling interval
- feature vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
- G06F3/038—Control and interface arrangements therefor, e.g. drivers or device-embedded control circuitry
Abstract
Systeme und Verfahren zum Erkennen einer Geste bei einer tragbaren Vorrichtung werden offenbart. Das System kann während einer Gestenerfassungssitzung mehrere Sensormessungen erfassen und die Messungen mithilfe eines adaptiven Heruntertaktungsintervalls heruntertakten. Das adaptive Heruntertaktungsintervall kann basierend zumindest auf einem Bruchteil eines Verhältnisses einer Rahmenlänge der Sensormessungen zu einer festgelegten Ziellänge, die kürzer als die Rahmenlänge ist, bestimmt werden. Die Stärke der heruntergetakteten Messungen wird normalisiert, und ein Merkmalsvektor kann mithilfe der heruntergetakteten Messungen generiert werden. Ein Gestenerkennungsmodul kann mithilfe einer Gestenklassifizierung dem Merkmalsvektor eine Geste zuordnen. Systems and methods for detecting a gesture in a portable device are disclosed. The system can capture multiple sensor measurements during a gesture capture session and downclock the measurements using an adaptive down-sampling interval. The adaptive down-sampling interval may be determined based on at least a fraction of a ratio of a frame length of the sensor measurements to a fixed target length that is shorter than the frame length. The magnitude of the down-sampled measurements is normalized, and a feature vector can be generated using the down-sampled measurements. A gesture recognition module may gesture-assign a feature to the feature vector.
Description
TECHNISCHES GEBIETTECHNICAL AREA
Dieses Dokument betrifft im Allgemeinen tragbare Vorrichtungen und insbesondere Systeme und Verfahren zum Erkennen von Benutzergesten bei einer tragbaren Vorrichtung.This document relates generally to portable devices and, more particularly, to systems and methods for detecting user gestures in a portable device.
HINTERGRUNDBACKGROUND
Mobile Vorrichtungen, wie etwa Smartphones und Tablets, verfügen über Funktionalitäten, die dem Benutzer ermöglichen, durch unterschiedliche Benutzeraktivitäten mit der Vorrichtung zu interagieren. Eine Vorrichtungsgeste kann als Bewegung der Vorrichtung durch den Benutzer beschrieben werden, wie etwa Bewegen der Vorrichtung in den Händen, Positionieren, Neigen, Drehen oder Schütteln der Vorrichtung beispielsweise in Bezug auf eine Referenzposition in der Umgebung. Andere Benutzergesten, wie etwa über eine Benutzerschnittstelle auf der mobilen Vorrichtung, können Tippen, Wischen, Auseinanderziehen oder Zusammenziehen umfassen. Eine mobile Vorrichtung kann verschiedene Gesten erkennen und diese in entsprechende Befehle zum Betreiben der Vorrichtung übertragen.Mobile devices, such as smartphones and tablets, have functionalities that allow the user to interact with the device through different user activities. A device gesture may be described as movement of the device by the user, such as moving the device in the hands, positioning, tilting, rotating, or shaking the device, for example, relative to a reference position in the environment. Other user gestures, such as via a user interface on the mobile device, may include typing, wiping, pulling apart, or contracting. A mobile device can recognize various gestures and translate them into appropriate commands to operate the device.
Tragbare Vorrichtungen sind mobile Miniaturvorrichtungen, die für Allzweck- oder Sonderzweck-Informationstechnologien und Medienentwicklung entwickelt wurden. Eine tragbare Vorrichtung kann einen Computer und Elektronik beinhalten und kann durch Benutzer getragen werden. Die Benutzer können kontinuierlich durch verschiedene Mittel einschließlich Gesten mit der Vorrichtung interagieren. Beispiele für tragbare Vorrichtungen umfassen intelligente Uhren, intelligente Aktivitätentracker, intelligente Brillen und tragbare Gesundheitsüberwachungseinrichtungen.Portable devices are miniature mobile devices designed for general purpose or special purpose information technologies and media development. A portable device may include a computer and electronics and may be worn by users. Users can continuously interact with the device through various means, including gestures. Examples of portable devices include smart watches, intelligent activity trackers, smart glasses, and portable health monitors.
Eine genaue und zuverlässige Gestenerkennung kann die Benutzerfreundlichkeit von tragbaren Vorrichtungen verbessern. Eine Gestenerkennung kann jedoch beträchtliche Strom- und Rechenressourcen verbrauchen. Zudem können Gesten nicht periodischer Natur und von kurzer Dauer sein und Störungen oder anderen Interferenzquellen unterliegen. Eine herkömmliche Gestenerkennung basierend auf statistischen Merkmalen oder Frequenzanalyse stellt möglicherweise nicht die gewünschte Erkennungsleistung bereit.Accurate and reliable gesture recognition can improve the usability of portable devices. However, gesture recognition can consume significant power and computational resources. In addition, gestures may not be periodic, short-lived and subject to interference or other sources of interference. Conventional gesture recognition based on statistical features or frequency analysis may not provide the desired recognition performance.
Figurenlistelist of figures
In den Zeichnungen, die nicht unbedingt maßstabsgetreu sind, können gleiche Bezugszeichen ähnliche Komponenten in unterschiedlichen Ansichten bezeichnen. Gleiche Bezugszeichen, die mit unterschiedlichen Buchstaben enden, können unterschiedliche Instanzen ähnlicher Komponenten bezeichnen. Einige Ausführungsformen sind in den Figuren der beiliegenden Zeichnungen lediglich beispielhaft und nicht beschränkend veranschaulicht, wobei:
-
1 , beispielhaft und nicht beschränkend, ein Diagramm eines Systems zum Erkennen einer Geste bei einer tragbaren Vorrichtung darstellt. -
2A-B , beispielhaft und nicht beschränkend, ein Diagramm eines adaptiven Heruntertaktens von Sensormessungen darstellt. -
3A-B , beispielhaft und nicht beschränkend, Graphen von abtastratenkonvertierten und normalisierten Sensormessungen darstellt. -
4 , beispielhaft und nicht beschränkend, ein Verfahren zum Erkennen einer Geste bei einer tragbaren Vorrichtung darstellt. -
5 , beispielhaft und nicht beschränkend, ein Blockdiagramm darstellt, das eine beispielhafte Maschine darstellt, auf der eine oder mehrere der hierin diskutierten Techniken gemäß eines Ausführungsbeispiels durchgeführt werden können.
-
1 by way of example and not limitation, illustrating a diagram of a system for detecting a gesture in a portable device. -
2A-B by way of example and not limitation, depicting a diagram of adaptive down-sampling of sensor measurements. -
3A-B by way of example and not limitation, graphs of sample rate converted and normalized sensor measurements. -
4 by way of example and not limitation, illustrates a method of detecting a gesture in a portable device. -
5 by way of example and not limitation, it is a block diagram illustrating an exemplary machine upon which one or more of the techniques discussed herein may be performed in accordance with one embodiment.
AUSFÜHRLICHE BESCHREIBUNGDETAILED DESCRIPTION
In der folgenden Beschreibung werden zu Zwecken der Erläuterung zahlreiche Einzelheiten dargelegt, um ein umfassendes Verständnis einiger Ausführungsbeispiele bereitzustellen. Es ist für Fachleute auf diesem Gebiet jedoch offensichtlich, dass die vorliegende Offenbarung ohne die speziellen Einzelheiten ausgeführt werden kann.In the following description, for purposes of explanation, numerous details are set forth in order to provide a thorough understanding of some embodiments. However, it will be apparent to those skilled in the art that the present disclosure may be practiced without the specific details.
Hierin beschrieben sind Systeme und Verfahren zum Erkennen einer Geste bei einer tragbaren Vorrichtung, wie etwa einem Smartphone oder einer intelligenten Uhr. Eine Gestenerkennung basiert auf einer Zeitbereichstransformation und einer Merkmalsextraktion. Ein hierin beschriebenes System kann während einer Gestenerfassungssitzung mehrere Sensormessungen erfassen und die Messungen mithilfe eines adaptiven Heruntertaktungsintervalls heruntertakten. Das adaptive Heruntertaktungsintervall kann basierend zumindest auf einem Bruchteil eines Verhältnisses einer Rahmenlänge der Sensormessungen zu einer festgelegten Ziellänge, die kürzer als die Rahmenlänge ist, bestimmt werden. Die Stärke der heruntergetakteten Messungen kann normalisiert werden, und ein Merkmalsvektor kann generiert werden. Ein Gestenerkennungsmodul kann mithilfe einer Gestenklassifizierung dem Merkmalsvektor eine Geste zuordnen. Described herein are systems and methods for detecting a gesture in a portable device, such as a smart phone or smart watch. Gesture recognition is based on time domain transformation and feature extraction. A system described herein may detect multiple sensor measurements during a gesture-sensing session and down-clock the measurements using an adaptive down-sampling interval. The adaptive down-sampling interval may be determined based on at least a fraction of a ratio of a frame length of the sensor measurements to a fixed target length that is shorter than the frame length. The magnitude of the down-sampled measurements can be normalized and a feature vector can be generated. A gesture recognition module may gesture-assign a feature to the feature vector.
Das System
In einigen Beispielen kann bzw. können ein oder mehrere Module des Systems
Das Sensormodul
Das Signalprozessormodul
In einem Beispiel ist die Ziellänge NT eine vorbestimmte, feste Länge, die kürzer als die Rahmenlänge NFrame ist. Das adaptive Heruntertaktungsintervall (LS) zeigt einen Zählwert von Datenabtastwerten in der vorverarbeiteten Sensormessung an, die für das Erzeugen einer heruntergetakteten Messung verwendet wurde. Beispielsweise zeigt LS = 10 an, dass eine heruntergetaktete Messung aus jeweils zehn vorverarbeiteten Sensormessungen abgeleitet wird.In one example, the target length N T is a predetermined, fixed length that is shorter than the frame length N frame . The adaptive Down Sampling interval (L S) denotes a count value of data samples in the pre-processed sensor measurement that was used for generating a downsampled measurement. For example, L S = 10 indicates that a down-clocked measurement is derived from every ten pre-processed sensor measurements.
Das adaptive Heruntertaktungsintervall kann basierend zumindest auf einem Bruchteil eines Verhältnisses (R) der Rahmenlänge NFrame zu der Ziellänge NT bestimmt werden. Wenn NFrame durch NT teilbar ist, wird das Heruntertaktungsintervall LS als gleich dem Verhältnis R bestimmt. Wenn NFrame nicht durch NT teilbar ist, weist das Verhältnis R einen ganzzahligen Teil RI und einen Bruchteil RF auf, das heißt, R = NFrame/NT = RI + RF, wobei 0<RF<1. Das Abtastratenkonvertierungsmodul
Beispielsweise können die vorverarbeiteten Sensormessungen während einer Gestenerfassungssitzung (d. h. einem Rahmen) eine Länge von NFrame = 129 Datenabtastwerten aufweisen. Um die Messungen auf eine feste Ziellänge NT = 20 herunterzutakten, ist das Heruntertaktungsverhältnis R = 129/20 = 6,45, das heißt, RI = 6 und RF = 0,45. Tabelle 1 stellt das adaptive Heruntertaktungsintervall LS als basierend zumindest auf dem akkumulierten Bruchteil aRF bestimmt dar. Die
Das Abtastratenkonvertierungsmodul
Das Normalisierungsmodul
Das Merkmalsgeneratormodul
Das Gestenerkennungsmodul
In einem Beispiel kann das Gestenerkennungsmodul
Das optionale Ausgabemodul
Die
Die
Das Verfahren
Bei
Bei
Bei
Bei
Bei
Ein beispielhaftes Computersystem
Die Speichervorrichtung
Zwar ist das maschinenlesbare Medium
Die Anweisungen
In diesem Dokument können Ausführungsformen in einem oder einer Kombination von Folgenden implementiert sein: Hardware, Firmware und Software. Ausführungsformen können zudem als auf einer maschinenlesbaren Speichervorrichtung gespeicherte Anweisungen implementiert sein, die durch mindestens einen Prozessor gelesen und ausgeführt werden können, um die hierin beschriebenen Vorgänge durchzuführen. Eine maschinenlesbare Speichervorrichtung kann jeden nicht flüchtigen Mechanismus zum Speichern von Informationen in einer Form umfassen, die durch eine Maschine (z. B. einen Computer) lesbar ist. Beispielsweise kann eine maschinenlesbare Speichervorrichtung Nur-Lese-Speicher (Read-Only Memory, ROM), Direktzugriffsspeicher (Random-Access Memory, RAM), Magnetplattenspeichermedien, optische Speichermedien, Flash-Speichervorrichtungen und andere Speichervorrichtungen und Medien umfassen.In this document, embodiments may be implemented in one or a combination of the following: hardware, firmware, and software. Embodiments may also be implemented as instructions stored on a machine-readable storage device that may be read and executed by at least one processor to perform the operations described herein. A machine-readable storage device may include any non-volatile mechanism for storing information in a form that is readable by a machine (eg, a computer). For example, a machine-readable storage device may include read-only memory (ROM), random access memory (RAM), magnetic disk storage media, optical storage media, flash memory devices, and other storage devices and media.
Ein Prozessoruntersystem kann verwendet werden, um die Anweisung auf dem maschinenlesbaren Medium auszuführen. Das Prozessoruntersystem kann einen oder mehrere Prozessoren umfassen, wovon jeder ein oder mehrere Kerne aufweist. Zusätzlich kann das Prozessoruntersystem auf einer oder mehreren physischen Vorrichtungen angeordnet sein. Das Prozessoruntersystem kann einen oder mehrere spezielle Prozessoren umfassen, wie etwa eine Grafikverarbeitungseinheit (GPU, Graphics Processing Unit), einen digitalen Signalprozessor (DSP), ein feldprogrammierbares Gate-Array (FPGA, Field Programmable Gate Array) oder einen festverdrahteten („Fixed Function“) Prozessor.A processor subsystem may be used to execute the instruction on the machine-readable medium. The processor subsystem may include one or more processors, each having one or more cores. In addition, the processor subsystem may be located on one or more physical devices. The processor subsystem may include one or more dedicated processors, such as a graphics processing unit (GPU), a digital signal processor (DSP), a field programmable gate array (FPGA), or a fixed-function (FPGA) array. ) Processor.
Hierin beschriebene Beispiele können Logik oder eine Anzahl von Komponenten, Modulen oder Mechanismen umfassen oder durch diese betrieben sein. Module können Hardware, Software oder Firmware sein, die kommunikativ mit einem oder mehreren Prozessoren gekoppelt ist, um die hierin beschriebenen Vorgänge auszuführen. Module können Hardwaremodule sein, und somit können Module als materielle Elemente betrachtet werden, die in der Lage sind, spezielle Vorgänge auszuführen, und können in einer bestimmten Weise konfiguriert oder angeordnet sein. In einem Beispiel können Schaltungen in einer speziellen Weise als ein Modul angeordnet sein (z. B. intern oder in Bezug auf externe Elemente wie andere Schaltungen). In einem Beispiel kann das gesamte oder ein Teil eines oder mehrerer Computersysteme (z. B. ein eigenständiges, Client- oder Server-Computersystem) oder ein oder mehrere Hardwareprozessoren durch Firmware oder Software (z. B. Anweisungen, einen Anwendungsteil oder eine Anwendung) als ein Modul konfiguriert sein, um spezifische Vorgänge durchzuführen. In einem Beispiel kann sich die Software auf einem maschinenlesbaren Medium befinden. In einem Beispiel bewirkt die Software, wenn sie von der zugrundeliegenden Hardware des Moduls ausgeführt wird, dass die Hardware spezifische Vorgänge durchführt. Dementsprechend ist der Begriff „Hardware“ als ein materielles Element umfassend zu verstehen, sei dies ein Element, das physisch konstruiert, speziell konfiguriert (z. B. festverdrahtet) oder vorübergehend (z. B. transitorisch) konfiguriert (z. B. programmiert) ist, um auf eine spezifische Weise betrieben zu werden oder einen Teil oder ein Gesamtes eines hierin beschriebenen Vorgangs durchzuführen. Bei Betrachtung von Beispielen, in denen Module vorübergehend konfiguriert sind, muss jedes Modul nicht zwingend zu jedem gegebenen Zeitpunkt instanziiert sein. Beispielsweise kann, wenn die Module einen mithilfe von Software konfigurierten Allzweckhardwareprozessor umfassen, der Allzweckhardwareprozessor zu unterschiedlichen Zeiten jeweils als unterschiedliche Module konfiguriert sein. Software kann dementsprechend einen Hardwareprozessor konfigurieren, beispielsweise um ein bestimmtes Modul zu einem Zeitpunkt darzustellen und ein anderes Modul zu einem anderen Zeitpunkt darzustellen. Module können auch Software- oder Firmwaremodule sein, die betrieben werden, um die hierin beschriebenen Verfahrensweisen durchzuführen.Examples described herein may include or be operated by logic or a number of components, modules, or mechanisms. Modules may be hardware, software, or firmware that is communicatively coupled to one or more processors to perform the operations described herein. Modules may be hardware modules, and thus modules may be considered as physical elements capable of performing specific operations and may be configured or arranged in a particular manner. In one example, circuits may be arranged as a module in a specific manner (eg, internally or with respect to external elements such as other circuits). In one example, all or part of one or more computer systems (eg, a stand-alone, client, or server computer system) or one or more hardware processors may be firmware or software (e.g., instructions, an application part, or an application). be configured as a module to perform specific operations. In one example, the software may reside on a machine-readable medium. In one example, when executed by the underlying hardware of the module, the software causes the hardware to perform specific operations. Accordingly, the term "hardware" is to be understood as encompassing a tangible element, whether it be an element that is physically constructed, specially configured (e.g., hardwired) or temporarily configured (eg, transitory) (eg, programmed). is to be operated in a specific way or to perform part or all of a process described herein. Considering examples in which modules are temporarily configured, each module need not necessarily be instantiated at any given time. For example, if the modules include a software configured general purpose hardware processor, the general purpose hardware processor may be configured as different modules at different times. Software can accordingly configure a hardware processor, for example, to represent one particular module at a time and display another module at a different time. Modules may also be software or firmware modules that operate to perform the procedures described herein.
Ergänzende Anmerkungen und Beispiele:Additional comments and examples:
Beispiel 1 ist ein System zum Erkennen einer Geste bei einer tragbaren Vorrichtung. Das System kann ein Signalprozessormodul und ein Gestenerkennungsmodul umfassen. Das Signalprozessormodul kann umfassen: ein Abtastratenkonvertierungsmodul zum Heruntertakten mehrerer Sensormessungen mit einer Rahmenlänge unter Verwenden eines adaptiven Heruntertaktungsintervalls zum Erzeugen von heruntergetakteten Messungen mit einer Ziellänge, die kürzer als die Rahmenlänge ist, wobei das adaptive Heruntertaktungsintervall basierend auf zumindest einem Bruchteil eines Verhältnisses der Rahmenlänge zu der Ziellänge bestimmt wird; ein Normalisierungsmodul zum Normalisieren der Stärke der heruntergetakteten Messungen zum Erzeugen von normalisierten Messungen; und ein Merkmalsgeneratormodul zum Generieren eines Merkmalsvektors mithilfe der normalisierten Messungen. Das Gestenerkennungsmodul kann dem Merkmalsvektor eine Geste zuordnen.Example 1 is a system for detecting a gesture in a portable device. The system may include a signal processor module and a gesture recognition module. The signal processor module may comprise: a sample rate conversion module for down-sampling a plurality of frame length sensor measurements using an adaptive down-sampling interval to generate down-sampled measurements having a target length shorter than the frame length, wherein the adaptive down-sampling interval is based on at least a fraction of a ratio of the frame length to the frame length Target length is determined; a normalization module for normalizing the magnitude of the down-sampled measurements to produce normalized measurements; and a feature generator module for generating a feature vector using the normalized measurements. The gesture recognition module may assign a gesture to the feature vector.
In Beispiel 2 umfasst der Gegenstand von Beispiel 1 gegebenenfalls das Abtastratenkonvertierungsmodul, das einen repräsentativen Wert von Sensormessungen in jedem der mehreren Datenblöcke generieren kann, wobei jeder Datenblock eine entsprechende Länge gleich dem adaptiven Heruntertaktungsintervall aufweist. Das Abtastratenkonvertierungsmodul kann die heruntergetakteten Messungen mithilfe der repräsentativen Werte von den mehreren Datenblöcken erzeugen. In Example 2, the subject matter of Example 1 optionally includes the sample rate conversion module that can generate a representative value of sensor measurements in each of the plurality of data blocks, each data block having a corresponding length equal to the adaptive down-sampling interval. The sample rate conversion module may generate the down-sampled measurements using the representative values from the multiple data blocks.
In Beispiel 3 umfasst der Gegenstand von Beispiel 2 gegebenenfalls das Abtastratenkonvertierungsmodul, das ferner ein Durchschnittsfiltermodul umfassen kann, um den repräsentativen Wert einschließlich eines Durchschnittswerts der Sensormessungen in jedem Datenblock zu generieren. In Example 3, the subject matter of Example 2 optionally includes the sample rate conversion module, which may further comprise an average filter module to generate the representative value including an average value of the sensor measurements in each data block.
In Beispiel 4 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls die Ziellänge der heruntergetakteten Messungen, die einen vorbestimmten festen Wert aufweist.In Example 4, the subject matter of one or more of Examples 1-3 optionally includes the target length of the down-sampled measurements having a predetermined fixed value.
In Beispiel 5 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls das Abtastratenkonvertierungsmodul, das einen ganzzahligen Teil (RI) und einen Bruchteil (RF) eines Verhältnisses der Rahmenlänge zu der Ziellänge bestimmen, den RF für jeden Abtastratenkonvertierungsvorgang akkumulieren und das adaptive Heruntertaktungsintervall als eine Funktion des RI und des akkumulierten RF bestimmen kann.In Example 5, the subject matter of one or more of Examples 1-3 optionally includes the sample rate conversion module which determines an integer part (RI) and a fraction (RF) of frame length to target length ratio, accumulates the RF for each sample rate conversion process, and the adaptive down-sampling interval as a function of the RI and the accumulated RF.
In Beispiel 6 umfasst der Gegenstand von Beispiel 5 gegebenenfalls das Abtastratenkonvertierungsmodul, das, in Reaktion darauf, dass der akkumulierte RF kleiner als eins ist, das adaptive Heruntertaktungsintervall auf RI festlegen kann; und, in Reaktion darauf, dass der akkumulierte RF größer oder gleich eins ist, das adaptive Heruntertaktungsintervall auf RI -1 festlegen und den akkumulierten RF durch Subtrahieren von eins von dem akkumulierten RF aktualisieren kann.In Example 6, the subject matter of Example 5 optionally includes the sample rate conversion module that, in response to the accumulated RF being less than one, may set the adaptive down-sampling interval to RI; and, in response to the accumulated RF being greater than or equal to one, setting the adaptive down-sampling interval to RI -1 and updating the accumulated RF by subtracting one from the accumulated RF.
In Beispiel 7 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls das Normalisierungsmodul, das ein Quantisierungsmodul umfassen kann, um die heruntergetakteten Messungen auf einen festgelegten Bereich zu quantisieren.In Example 7, the subject matter of one or more of Examples 1-3 optionally includes the normalization module, which may include a quantization module, to quantize the down-sampled measurements to a predetermined range.
In Beispiel 8 umfasst der Gegenstand von Beispiel 7 gegebenenfalls das Normalisierungsmodul, das die quantisierten Messungen mithilfe eines empirischen Faktors normalisieren kann.In Example 8, the subject matter of Example 7 optionally includes the normalization module that can normalize the quantized measurements using an empirical factor.
In Beispiel 9 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls ein Sensormodul einschließlich eines Abtastverstärkers zum Erfassen der mehreren Sensormessungen während einer Gestenerfassungssitzung.In Example 9, the subject matter of one or more of Examples 1-3 optionally includes a sensor module including a sense amplifier for detecting the multiple sensor measurements during a gesture detection session.
In Beispiel 10 umfasst der Gegenstand von Beispiel 9 gegebenenfalls das Sensormodul, das ein Beschleunigungsmessmodul zum Erzeugen mehrerer Beschleunigungsmessungen und/oder ein Gyroskopmodul zum Erzeugen mehrerer Ausrichtungsmessungen umfassen kann.In Example 10, the subject matter of Example 9 optionally includes the sensor module, which may include an acceleration measurement module for generating a plurality of acceleration measurements and / or a gyroscope module for generating a plurality of alignment measurements.
In Beispiel 11 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls das Merkmalsvektorgenerierungsmodul, das einen Merkmalsvektor generieren kann, einschließlich morphologischer Merkmale, die aus den normalisierten Messungen extrahiert wurden.In Example 11, the subject matter of one or more of Examples 1-3 optionally includes the feature vector generation module that can generate a feature vector, including morphological features extracted from the normalized measurements.
In Beispiel 12 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls das Gestenerkennungsmodul, das einem Merkmalsvektor eine Geste durch Klassifizieren des Merkmalsvektors zu einer von mehreren festgelegten Zielgestenklassen zuordnen kann.In Example 12, the subject matter of one or more of Examples 1-3 optionally includes the gesture recognition module that may associate a feature vector with a gesture by classifying the feature vector to one of a plurality of specified target gesture classes.
In Beispiel 13 umfasst der Gegenstand von Beispiel 12 gegebenenfalls die mehreren festgelegten Zielgestenklassen, die mehrere Handgesten umfassen können.In Example 13, the subject matter of Example 12 optionally includes the plurality of specified target gesture classes, which may include multiple hand gestures.
In Beispiel 14 umfasst der Gegenstand eines oder mehrerer der Beispiele 12-13 gegebenenfalls das Gestenerkennungsmodul, das den Merkmalsvektor mithilfe eines Unterstützungsvektormaschinen-Klassifizierers generieren kann.In Example 14, the subject matter of one or more of Examples 12-13 optionally includes the gesture recognition module that can generate the feature vector using a support vector machine classifier.
In Beispiel 15 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls die Signalprozessorschaltung, die die mehreren Sensormessungen weiter vorverarbeiten kann, einschließlich Entfernen eines Mittelwerts von den mehreren Sensormessungen, und das Abtastratenkonvertierungsmodul kann die vorverarbeiteten Sensormessungen heruntertakten.In Example 15, the subject matter of one or more of Examples 1-3 optionally includes the signal processor circuit that can further preprocess the multiple sensor measurements, including removing an average of the multiple sensor measurements, and the sample rate conversion module may downclock the preprocessed sensor measurements.
In Beispiel 16 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls die tragbare Vorrichtung, die das Signalprozessormodul und/oder das Gestenerkennungsmodul umfassen kann. In Example 16, the subject matter of one or more of Examples 1-3 optionally includes the portable device, which may include the signal processor module and / or the gesture recognition module.
In Beispiel 17 umfasst der Gegenstand von Beispiel 16 gegebenenfalls die tragbare Vorrichtung, die eines von Folgendem umfassen kann: ein Smartphone, eine intelligente Uhr, eine intelligente Brille, einen tragbaren Fitness- oder Aktivitätentracker oder eine tragbare Gesundheitsüberwachungseinrichtung.In Example 17, the subject matter of Example 16 optionally includes the portable device, which may include any of the following: a smart phone, a smart watch, smart glasses, a portable fitness or activity tracker, or a portable health monitor.
In Beispiel 18 umfasst der Gegenstand eines oder mehrerer der Beispiele 1-3 gegebenenfalls ein Ausgabemodul zum Erzeugen eines Befehls zum Betreiben der tragbaren Vorrichtung basierend auf der erkannten Geste.In Example 18, the subject matter of one or more of Examples 1-3 optionally includes an output module for generating a command to operate the portable device based on the detected gesture.
Beispiel 19 ist ein Verfahren zum Erkennen einer Geste bei einer tragbaren Vorrichtung, wobei das Verfahren umfassen kann: Erfassen, mithilfe eines Sensormoduls, mehrerer Sensormessungen mit einer Rahmenlänge während einer Gestenerfassungssitzung; Bestimmen eines adaptiven Heruntertaktungsintervalls basierend zumindest auf einem Bruchteil eines Verhältnisses der Rahmenlänge zu einer festgelegten Ziellänge, die kürzer als die Rahmenlänge ist; Heruntertakten der mehreren Sensormessungen unter Verwenden des adaptiven Heruntertaktungsintervalls zum Erzeugen von heruntergetakteten Messungen mit der Ziellänge; Normalisieren einer Stärke der heruntergetakteten Messungen zum Erzeugen von normalisierten Messungen; Generieren eines Merkmalsvektors mithilfe der normalisierten Messungen; und Zuordnen einer Geste zu dem Merkmalsvektor.Example 19 is a method of detecting a gesture in a portable device, the method comprising: sensing, by means of a sensor module, a plurality of sensor measurements having a frame length during a gesture detection session; Determining an adaptive down-sampling interval based at least on a fraction of a ratio of the frame length to a fixed target length that is shorter than the frame length; Down-sampling the plurality of sensor measurements using the adaptive down-sampling interval to generate down-sampled measurements with the target length; Normalizing a magnitude of the down-sampled measurements to produce normalized measurements; Generating a feature vector using the normalized measurements; and associating a gesture with the feature vector.
In Beispiel 20 umfasst der Gegenstand von Beispiel 19 gegebenenfalls ein Heruntertakten der mehreren Sensormessungen, das ein Generieren eines repräsentativen Werts von Sensormessungen in jedem der mehreren Datenblöcke, wobei jeder Datenblock eine entsprechende Länge gleich dem adaptiven Heruntertaktungsintervall aufweist, und Heruntertakten der repräsentativen Werte der mehreren Datenblöcke umfassen kann.In Example 20, the subject matter of Example 19 optionally includes stepping down the multiple sensor measurements, generating a representative value of sensor measurements in each of the plurality of data blocks, each data block having a corresponding length equal to the adaptive down-sampling interval, and down-clocking the representative values of the plurality of data blocks may include.
In Beispiel 21 umfasst der Gegenstand von Beispiel 20 gegebenenfalls den repräsentativen Wert, der einen Durchschnittswert der Sensormessungen in jedem Datenblock umfassen kann.In Example 21, the subject matter of Example 20 optionally includes the representative value, which may include an average of the sensor measurements in each data block.
In Beispiel 22 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls die Ziellänge der heruntergetakteten Messungen, die einen vorbestimmten festen Wert aufweist.In Example 22, the subject-matter of one or more of Examples 19-21 optionally includes the target length of the down-sampled measurements having a predetermined fixed value.
In Beispiel 23 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Heruntertakten der mehreren Sensormessungen, das umfassen kann: Bestimmen eines ganzzahligen Teils (RI) und eines Bruchteils (RF) eines Verhältnisses der Rahmenlänge zu der Ziellänge; Akkumulieren des RF für jeden Abtastratenkonvertierungsvorgang; Bestimmen des adaptiven Heruntertaktungsintervalls als eine Funktion des RI und des akkumulierten RF.In Example 23, the subject matter of one or more of Examples 19-21 optionally includes down-sampling the multiple sensor measurements, which may include: determining an integer part (RI) and a fraction (RF) of a ratio of the frame length to the target length; Accumulating the RF for each sample rate conversion process; Determining the adaptive down-sampling interval as a function of the RI and the accumulated RF.
In Beispiel 24 umfasst der Gegenstand von Beispiel 23 gegebenenfalls ein Bestimmen des adaptiven Heruntertaktungsintervalls, das umfassen kann: in Reaktion darauf, dass der akkumulierte RF kleiner als eins ist, Festlegen des adaptiven Heruntertaktungsintervalls auf RI; und in Reaktion darauf, dass der akkumulierte RF größer oder gleich eins ist, Festlegen des adaptiven Heruntertaktungsintervalls auf RI -1 und Aktualisieren des akkumulierten RF durch Subtrahieren von eins von dem akkumulierten RF.In Example 24, the subject matter of Example 23 optionally includes determining the adaptive down-sampling interval, which may include: in response to the accumulated RF being less than one, setting the adaptive down-sampling interval to RI; and in response to the accumulated RF being greater than or equal to one, setting the adaptive down-sampling interval to RI -1 and updating the accumulated RF by subtracting one from the accumulated RF.
In Beispiel 25 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Normalisieren der Stärke der heruntergetakteten Messungen, das ein Quantisieren der heruntergetakteten Messungen auf einen festgelegten Bereich umfassen kann.In Example 25, the subject matter of one or more of Examples 19-21 optionally includes normalizing the magnitude of the down-sampled measurements, which may include quantizing the down-sampled measurements to a specified range.
In Beispiel 26 umfasst der Gegenstand von Beispiel 25 gegebenenfalls die heruntergetakteten Messungen, die mithilfe eines empirischen Faktors quantisiert werden können.In Example 26, the subject matter of Example 25 optionally includes the down-clocked measurements that can be quantized using an empirical factor.
In Beispiel 27 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Erfassen der mehreren Sensormessungen, das ein Erfassen mehrerer Beschleunigungsmessungen mithilfe eines Beschleunigungsmessers umfassen kann.In Example 27, the subject matter of one or more of Examples 19-21 optionally includes sensing the plurality of sensor measurements, which may include acquiring multiple acceleration measurements using an accelerometer.
In Beispiel 28 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Erfassen der mehreren Sensormessungen, das ein Erfassen mehrerer Ausrichtungsmessungen mithilfe eines Gyroskops umfassen kann.In Example 28, the subject matter of one or more of Examples 19-21 optionally includes detecting the multiple sensor measurements, which may include acquiring multiple alignment measurements using a gyroscope.
In Beispiel 29 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Generieren des Merkmalsvektors, das ein Extrahieren von morphologischen Merkmalen aus den normalisierten Messungen umfassen kann. In Example 29, the subject matter of one or more of Examples 19-21 optionally comprises generating the feature vector, which may include extracting morphological features from the normalized measurements.
In Beispiel 30 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Zuordnen der Geste zu dem Merkmalsvektor, das ein Klassifizieren des Merkmalsvektors zu einer von mehreren festgelegten Zielgestenklassen umfassen kann.In Example 30, the subject matter of one or more of Examples 19-21 optionally includes associating the gesture with the feature vector, which may include classifying the feature vector into one of a plurality of specified target gesture classes.
In Beispiel 31 umfasst der Gegenstand von Beispiel 30 gegebenenfalls die mehreren festgelegten Zielgestenklassen, die mehrere Handgesten umfassen können.In Example 31, the subject matter of Example 30 optionally includes the plurality of specified target gesture classes, which may include multiple hand gestures.
In Beispiel 32 umfasst der Gegenstand von Beispiel 30 gegebenenfalls ein Klassifizieren des Merkmalsvektors, das ein Verwenden eines Unterstützungsvektormaschinen-Klassifizierers zum Klassifizieren des Merkmalsvektors umfassen kann.In Example 32, the article of Example 30 optionally includes classifying the feature vector, which may include using a support vector machine classifier to classify the feature vector.
In Beispiel 33 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Vorverarbeiten der mehreren Sensormessungen einschließlich Entfernen eines Mittelwerts von den mehreren Sensormessungen, wobei ein Heruntertakten der mehreren Sensormessungen ein Heruntertakten der vorverarbeiteten Sensormessungen umfassen kann.In Example 33, the subject-matter of one or more of Examples 19-21 optionally includes preprocessing the plurality of sensor measurements including removing an average of the multiple sensor measurements, wherein down-sampling the multiple sensor measurements may involve down-sampling the preprocessed sensor measurements.
In Beispiel 34 umfasst der Gegenstand eines oder mehrerer der Beispiele 19-21 gegebenenfalls ein Erzeugen eines Befehls zum Betreiben der tragbaren Vorrichtung basierend auf der erkannten Geste.In Example 34, the subject matter of one or more of Examples 19-21 optionally includes generating a command to operate the portable device based on the detected gesture.
Beispiel 35 ist mindestens ein computerlesbares Speichermedium, das Anweisungen zum Durchführen eines der Verfahren der Beispiele 19 bis 34 umfasst.Example 35 is at least one computer readable storage medium that includes instructions for performing any of the methods of Examples 19-34.
Beispiel 36 ist ein System, das ein Mittel zum Durchführen eines der Verfahren der Beispiele 19 bis 34 umfasst.Example 36 is a system that includes a means for performing one of the methods of Examples 19-34.
Beispiel 37 ist ein System zum Erkennen einer Geste bei einer tragbaren Vorrichtung, wobei die Einrichtung umfassen kann: ein Mittel zum Erfassen, mithilfe eines Sensormoduls, mehrerer Sensormessungen mit einer Rahmenlänge während einer Gestenerfassungssitzung; ein Mittel zum Bestimmen eines adaptiven Heruntertaktungsintervalls basierend zumindest auf einem Bruchteil eines Verhältnisses der Rahmenlänge zu einer festgelegten Ziellänge, die kürzer als die Rahmenlänge ist; ein Mittel zum Heruntertakten der mehreren Sensormessungen mithilfe des adaptiven Heruntertaktungsintervalls zum Erzeugen von heruntergetakteten Messungen mit der Ziellänge; ein Mittel zum Normalisieren einer Stärke der heruntergetakteten Messungen zum Erzeugen von normalisierten Messungen; ein Mittel zum Generieren eines Merkmalsvektors mithilfe der normalisierten Messungen; und ein Mittel zum Zuordnen einer Geste zu dem Merkmalsvektor.Example 37 is a system for detecting a gesture in a portable device, the device comprising: means for sensing, by means of a sensor module, a plurality of sensor measurements having a frame length during a gesture-sensing session; means for determining an adaptive down-sampling interval based at least on a fraction of a ratio of the frame length to a fixed target length shorter than the frame length; means for down-sampling the plurality of sensor measurements using the adaptive down-sampling interval to generate down-sampled measurements with the target length; means for normalizing a magnitude of the down-sampled measurements to produce normalized measurements; means for generating a feature vector using the normalized measurements; and means for associating a gesture with the feature vector.
In Beispiel 38 umfasst der Gegenstand von Beispiel 37 gegebenenfalls dass: das Mittel zum Heruntertakten der mehreren Sensormessungen ein Mittel zum Generieren eines repräsentativen Werts von Sensormessungen in jedem der mehreren Datenblöcke umfasst, wobei jeder Datenblock eine entsprechende Länge gleich dem adaptiven Heruntertaktungsintervall aufweist; und das Mittel zum Heruntertakten der mehreren Sensormessungen ein Mittel zum Heruntertakten der repräsentativen Werte der mehreren Datenblöcke umfasst.In example 38, the subject matter of example 37 optionally includes: the means for down-sampling the plurality of sensor measurements comprising means for generating a representative value of sensor measurements in each of the plurality of data blocks, each data block having a corresponding length equal to the adaptive down-sampling interval; and the means for down-sampling the plurality of sensor measurements comprises means for stepping down the representative values of the plurality of data blocks.
In Beispiel 39 umfasst der Gegenstand von Beispiel 38 gegebenenfalls den repräsentativen Wert, der einen Durchschnittswert der Sensormessungen in jedem Datenblock umfassen kann.In Example 39, the subject matter of Example 38 optionally includes the representative value, which may include an average of the sensor measurements in each data block.
In Beispiel 40 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls die Ziellänge der heruntergetakteten Messungen, die einen vorbestimmten festen Wert aufweist.In Example 40, the subject-matter of one or more of Examples 37-39 optionally includes the target length of the down-sampled measurements having a predetermined fixed value.
In Beispiel 41 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls das Mittel zum Heruntertakten der mehreren Sensormessungen, das umfassen kann: ein Mittel zum Bestimmen eines ganzzahligen Teils (RI) und eines Bruchteils (RF) eines Verhältnisses der Rahmenlänge zu der Ziellänge; ein Mittel zum Akkumulieren des RF für jeden Abtastratenkonvertierungsvorgang; ein Mittel zum Bestimmen des adaptiven Heruntertaktungsintervalls als eine Funktion des RI und des akkumulierten RF.In Example 41, the subject matter of one or more of Examples 37-39 optionally includes the means for down-sampling the multiple sensor measurements, which may include means for determining an integer part (RI) and a fraction (RF) of a ratio of the frame length to the target length ; means for accumulating the RF for each sample rate conversion operation; means for determining the adaptive down-sampling interval as a function of the RI and the accumulated RF.
In Beispiel 42 umfasst der Gegenstand von Beispiel 41 gegebenenfalls das Mittel zum Bestimmen des adaptiven Heruntertaktungsintervalls, das umfassen kann: ein Mittel zum Festlegen des adaptiven Heruntertaktungsintervalls auf RI in Reaktion darauf, dass der akkumulierte RF kleiner als eins ist; und ein Mittel zum Festlegen des adaptiven Heruntertaktungsintervalls auf RI -1 und Aktualisieren des akkumulierten RF durch Subtrahieren von eins von dem akkumulierten RF in Reaktion darauf, dass der akkumulierte RF größer oder gleich eins ist.In Example 42, the subject-matter of Example 41 optionally includes the means for determining the adaptive down-sampling interval, which may include: means for determining the adaptive down-sampling interval Down-sampling interval to RI in response to the accumulated RF being less than one; and means for setting the adaptive down-sampling interval to RI -1 and updating the accumulated RF by subtracting one from the accumulated RF in response to the accumulated RF being greater than or equal to one.
In Beispiel 43 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls das Mittel zum Normalisieren der Stärke der heruntergetakteten Messungen, das ein Mittel zum Quantisieren der heruntergetakteten Messungen auf einen festgelegten Bereich umfassen kann.In Example 43, the subject matter of one or more of Examples 37-39 optionally includes the means for normalizing the strength of the down-sampled measurements, which may include means for quantizing the down-sampled measurements to a predetermined range.
In Beispiel 44 umfasst der Gegenstand von Beispiel 43 gegebenenfalls das Mittel zum Quantisieren der heruntergetakteten Messungen, das ein Mittel zum Verwenden eines empirischen Faktors zum Quantisieren der heruntergetakteten Messungen umfassen kann.In Example 44, the subject-matter of Example 43 optionally includes the means for quantizing the down-sampled measurements, which may include means for using an empirical factor to quantize the down-sampled measurements.
In Beispiel 45 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls das Mittel zum Erfassen der mehreren Sensormessungen, das ein Mittel zum Erfassen mehrerer Beschleunigungsmessungen mithilfe eines Beschleunigungsmessers umfassen kann.In Example 45, the subject matter of one or more of Examples 37-39 optionally includes the means for acquiring the plurality of sensor measurements, which may include means for acquiring multiple acceleration measurements using an accelerometer.
In Beispiel 46 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls das Mittel zum Erfassen der mehreren Sensormessungen, das ein Mittel zum Erfassen mehrerer Ausrichtungsmessungen mithilfe eines Gyroskops umfassen kann.In Example 46, the subject matter of one or more of Examples 37-39 optionally includes the means for acquiring the plurality of sensor measurements, which may include means for acquiring multiple alignment measurements using a gyroscope.
In Beispiel 47 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls das Mittel zum Generieren des Merkmalsvektors, das ein Mittel zum Extrahieren von morphologischen Merkmalen aus den normalisierten Messungen umfassen kann.In Example 47, the subject matter of one or more of Examples 37-39 optionally includes the feature vector generating means, which may include means for extracting morphological features from the normalized measurements.
In Beispiel 48 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls das Mittel zum Zuordnen der Geste zu dem Merkmalsvektor, das ein Mittel zum Klassifizieren des Merkmalsvektors zu einer von mehreren festgelegten Zielgestenklassen umfassen kann.In Example 48, the subject matter of one or more of Examples 37-39 optionally includes the means for associating the gesture with the feature vector, which may include means for classifying the feature vector into one of a plurality of specified target gesture classes.
In Beispiel 49 umfasst der Gegenstand von Beispiel 48 gegebenenfalls die mehreren festgelegten Zielgestenklassen, die mehrere Handgesten umfassen können.In Example 49, the subject matter of Example 48 optionally includes the plurality of specified target gesture classes, which may include multiple hand gestures.
In Beispiel 50 umfasst der Gegenstand von Beispiel 48 gegebenenfalls das Mittel zum Klassifizieren des Merkmalsvektors, das ein Mittel zum Verwenden eines Unterstützungsvektormaschinen-Klassifizierers zum Klassifizieren des Merkmalsvektors umfassen kann.In Example 50, the subject matter of Example 48 optionally includes the feature vector classifier that may include means for using a support vector machine classifier to classify the feature vector.
In Beispiel 51 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls ein Mittel zum Vorverarbeiten der mehreren Sensormessungen einschließlich eines Mittels zum Entfernen eines Mittelwerts von den mehreren Sensormessungen, wobei das Mittel zum Heruntertakten der mehreren Sensormessungen ein Mittel zum Heruntertakten der vorverarbeiteten Sensormessungen umfasst.In Example 51, the subject matter of one or more of Examples 37-39 optionally includes means for preprocessing the plurality of sensor measurements including means for removing an average of the multiple sensor measurements, wherein the means for down-sampling the multiple sensor measurements comprises means for down-sampling the preprocessed sensor measurements ,
In Beispiel 52 umfasst der Gegenstand eines oder mehrerer der Beispiele 37-39 gegebenenfalls ein Mittel zum Erzeugen eines Befehls zum Betreiben der tragbaren Vorrichtung basierend auf der erkannten Geste.In Example 52, the subject matter of one or more of Examples 37-39 optionally includes means for generating a command to operate the portable device based on the detected gesture.
Die obige, ausführliche Beschreibung enthält Verweise auf die beigefügten Zeichnungen, die einen Teil der ausführlichen Beschreibung bilden. Die Zeichnungen zeigen veranschaulichend spezifische Ausführungsbeispiele, in denen die Erfindung ausgeführt werden kann. Diese Ausführungsbeispiele sind vorliegend auch als „Beispiele“ bezeichnet. Solche Beispiele können Elemente einschließen, die zusätzlich zu den gezeigten und beschriebenen vorhanden sind. Es werden jedoch auch Beispiele in Betracht gezogen, die die gezeigten oder beschriebenen Elemente umfassen. Darüber hinaus werden auch Beispiele in Betracht gezogen, in denen jede Kombination oder Vertauschung der gezeigten oder beschriebenen Elemente (oder eines oder mehrerer Aspekte davon) genutzt wird, entweder in Bezug auf ein bestimmtes Beispiel (oder einen oder mehrere Aspekte davon) oder in Bezug auf andere hierin gezeigte oder beschriebene Beispiele (oder einen oder mehrere Aspekte davon).The above detailed description contains references to the attached drawings, which form a part of the detailed description. The drawings illustratively show specific embodiments in which the invention may be practiced. These embodiments are also referred to herein as "examples". Such examples may include elements that are additional to those shown and described. However, examples including the elements shown or described are also contemplated. In addition, examples are also envisaged in which any combination or interchange of the elements shown or described (or one or more aspects thereof) is used, either in relation to a particular example (or one or more aspects thereof) or in relation to other examples shown or described herein (or one or more aspects thereof).
Veröffentlichungen, Patente und Patentdokumente, auf die in diesem Dokument Bezug genommen wird, sind hierin in ihrer Gesamtheit verweishalber aufgenommen, als wenn sie einzeln verweishalber aufgenommen wären. Im Falle von Nichtübereinstimmungen in den Ausdrucksweisen zwischen diesem Dokument und den derart verweishalber aufgenommenen Dokumenten ergänzt die Ausdrucksweise in dem bzw. in den aufgenommenen Verweis(en) die Ausdrucksweise dieses Dokuments; was unvereinbare Nichtübereinstimmungen anbetrifft, so gibt die Ausdrucksweise in diesem Dokument den Ausschlag.Publications, patents and patent documents referred to in this document are hereby incorporated by reference in their entirety as if they had been individually recorded. In the event of disagreement in the expressions between this document and the documents so recorded, the language used in the reference (s) added to this text shall supplement the language of that document; As far as irreconcilable inconsistencies are concerned, the wording in this document is decisive.
In diesem Dokument wird, wie in Patentdokumenten allgemein üblich, der Begriff „ein“, „eine“ oder „einer“ verwendet, um ein oder mehr als ein, unabhängig von irgendwelchen anderen Instanzen oder Ausdrucksweisen wie „mindestens ein“ oder „ein oder mehr“, einzuschließen. In diesem Dokument wird der Begriff „oder“ dazu verwendet, um auf ein nichtausschließliches „oder“ Bezug zu nehmen derart, dass „A oder B“, „A aber nicht „B“, „B aber nicht A“ und „A und B“ einschließt, wenn nicht anderweitig angegeben. In den angefügten Ansprüchen werden die Begriffe „umfassend“ und „in denen“ als klare Äquivalente der betreffenden Begriffe „beinhaltend“ und „wobei“ verwendet. Auch sind in den folgenden Ansprüchen die Begriffe „umfassend“ und „beinhaltend“ offenendig, d. h. ein System, eine Vorrichtung, ein Artikel oder ein Prozess, das, die bzw. der Elemente zusätzlich zu denen enthält, die nach einem derartigen Begriff in einem Anspruch aufgeführt sind, ist dennoch als in den Umfang dieses Anspruchs fallend anzusehen. Außerdem werden in den folgenden Ansprüchen die Begriffe „erster“, „zweiter“ und „dritter“ usw. lediglich als Etikettierungen verwendet und sollen keine numerische Reihenfolge der Objekte andeuten.In this document, as commonly used in patent documents, the term "a", "a" or "an" is used to mean one or more than one, independently of any other instances or phrases such as "at least one" or "one or more "To include. In this document, the term "or" is used to refer to a non-exclusive "or" such that "A or B", "A but not" B "," B but not A "and" A and B "Unless otherwise stated. In the appended claims, the terms "comprising" and "in which" are used as clear equivalents of the terms "including" and "wherein". Also, in the following claims, the terms "comprising" and "including" are open-ended, i. H. a system, apparatus, article, or process that includes elements in addition to those listed in such claim after such term is nevertheless to be considered as falling within the scope of this claim. In addition, in the following claims, the terms "first," "second," and "third," etc. are merely used as labels and are not intended to indicate numerical order of the objects.
Die obige Beschreibung soll veranschaulichend und nicht einschränkend sein. So können die vorbeschriebenen Beispiele (oder ein oder mehrere Aspekte derselben) in Verbindung mit anderen verwendet werden. Andere Ausführungsbeispiele können von einem Durchschnittsfachmann bei Durchsicht der obigen Beschreibung verwendet werden. Die Zusammenfassung soll dem Leser ermöglichen, schnell die Natur der technischen Offenbarung festzustellen. Sie wird mit dem Verständnis bereitgestellt, dass sie nicht dazu verwendet wird, den Umfang oder die Bedeutung der Ansprüche zu interpretieren oder zu beschränken. In der obigen ausführlichen Beschreibung können verschiedene Merkmale auch in Gruppen zusammengefasst sein, um die Offenbarung zu straffen. Die Ansprüche können jedoch nicht jedes hierin offenbarte Merkmal darlegen, da Ausführungsformen einen Teilsatz der Merkmale darstellen können. Ferner können Ausführungsformen weniger Merkmale als die in dem jeweiligen Beispiel offenbarten umfassen. Daher sind die folgenden Ansprüche hierdurch in die ausführliche Beschreibung aufgenommen, wobei ein Anspruch als separates Ausführungsbeispiel für sich allein steht. Der Umfang der hierin offenbarten Ausführungsformen soll mit Bezug auf die angefügten Ansprüche zusammen mit dem vollen Umfang von Äquivalenten, die diese Ansprüche rechtlich abdecken, bestimmt werden.The above description is intended to be illustrative and not restrictive. Thus, the examples described above (or one or more aspects thereof) may be used in conjunction with others. Other embodiments may be used by one of ordinary skill in the art upon review of the above description. The summary is intended to enable the reader to quickly ascertain the nature of the technical disclosure. It is provided with the understanding that it will not be used to interpret or limit the scope or meaning of the claims. In the above detailed description, various features may be grouped together to streamline the disclosure. However, the claims may not set forth any feature disclosed herein, as embodiments may constitute a subset of the features. Furthermore, embodiments may include fewer features than those disclosed in the respective example. Therefore, the following claims are hereby incorporated into the detailed description, with a claim standing on its own as a separate embodiment. The scope of the embodiments disclosed herein is to be determined with reference to the appended claims, along with the full scope of equivalents that are legally intended to cover such claims.
Claims (25)
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2015/098176 WO2017107035A1 (en) | 2015-12-22 | 2015-12-22 | Time domain feature transform for user gestures |
Publications (1)
Publication Number | Publication Date |
---|---|
DE112015007204T5 true DE112015007204T5 (en) | 2018-10-04 |
Family
ID=59088826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112015007204.7T Pending DE112015007204T5 (en) | 2015-12-22 | 2015-12-22 | TIME RANGE TRANSFORMATION FOR USER GESTURES |
Country Status (4)
Country | Link |
---|---|
US (1) | US10782791B2 (en) |
CN (1) | CN108431761B (en) |
DE (1) | DE112015007204T5 (en) |
WO (1) | WO2017107035A1 (en) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017107035A1 (en) | 2015-12-22 | 2017-06-29 | Intel Corporation | Time domain feature transform for user gestures |
US10678342B2 (en) * | 2018-10-21 | 2020-06-09 | XRSpace CO., LTD. | Method of virtual user interface interaction based on gesture recognition and related device |
US11106891B2 (en) * | 2019-09-09 | 2021-08-31 | Morgan Stanley Services Group Inc. | Automated signature extraction and verification |
CN113676373B (en) * | 2021-08-12 | 2022-08-19 | 深圳追一科技有限公司 | Session test method, session test device, computer equipment and storage medium |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3205585B2 (en) | 1992-03-09 | 2001-09-04 | パイオニア株式会社 | Input terminal device |
US20070164856A1 (en) * | 2003-10-27 | 2007-07-19 | Koninklijke Philips Electronics N.V.,A Corporation | Processing gesture signals |
US7809214B2 (en) * | 2005-08-22 | 2010-10-05 | Samsung Electronics Co., Ltd. | Device and a method for identifying movement patterns |
DE102005062154B4 (en) * | 2005-12-22 | 2007-10-31 | Daimlerchrysler Ag | Generation of large realistic training samples for classifiers from a few examples |
US9152292B2 (en) * | 2009-02-05 | 2015-10-06 | Hewlett-Packard Development Company, L.P. | Image collage authoring |
US20110223974A1 (en) * | 2010-03-10 | 2011-09-15 | Sony Ericsson Mobile Communications Ab | Mobile communication device and method for operating a mobile communication device |
US9141194B1 (en) * | 2012-01-04 | 2015-09-22 | Google Inc. | Magnetometer-based gesture sensing with a wearable device |
KR102330889B1 (en) * | 2013-02-22 | 2021-11-26 | 페이스북 테크놀로지스, 엘엘씨 | Methods and devices that combine muscle activity sensor signals and inertial sensor signals for gesture-based control |
TWI567592B (en) * | 2013-09-03 | 2017-01-21 | 緯創資通股份有限公司 | Gesture recognition method and wearable apparatus |
CN105095905B (en) * | 2014-04-18 | 2018-06-22 | 株式会社理光 | Target identification method and Target Identification Unit |
US10078780B2 (en) * | 2015-03-27 | 2018-09-18 | Intel Corporation | Gesture recognition mechanism |
WO2017107035A1 (en) | 2015-12-22 | 2017-06-29 | Intel Corporation | Time domain feature transform for user gestures |
-
2015
- 2015-12-22 WO PCT/CN2015/098176 patent/WO2017107035A1/en active Application Filing
- 2015-12-22 DE DE112015007204.7T patent/DE112015007204T5/en active Pending
- 2015-12-22 CN CN201580085230.5A patent/CN108431761B/en active Active
- 2015-12-22 US US15/777,981 patent/US10782791B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN108431761A (en) | 2018-08-21 |
WO2017107035A1 (en) | 2017-06-29 |
CN108431761B (en) | 2022-04-01 |
US10782791B2 (en) | 2020-09-22 |
US20180329506A1 (en) | 2018-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112017002799B4 (en) | METHOD AND SYSTEM FOR GENERATION OF MULTIMODAL DIGITAL IMAGES | |
DE112015007219T5 (en) | Touch gesture recognition assessment | |
DE112015007204T5 (en) | TIME RANGE TRANSFORMATION FOR USER GESTURES | |
DE102013017114A1 (en) | METHOD AND DEVICE FOR DETERMINING A HARNESS FOR A PEDESTRIAN COUPLING NAVIGATION PROCESS | |
DE112015007176T5 (en) | Visual recognition using deep learning attributes | |
DE112010003796T5 (en) | System and method for generating and using small length iris codes | |
DE102012025564A1 (en) | Device for recognizing three-dimensional gestures to control e.g. smart phone, has Hidden Markov model (HMM) which executes elementary object positions or movements to identify positioning motion sequences | |
DE102018206108A1 (en) | Generate validation data with generative contradictory networks | |
DE102019114025A1 (en) | METHOD AND DEVICE FOR IDENTIFYING CHEWED FOOD AND / OR DRINKED DRINKS | |
DE102018127802A1 (en) | HYBRID CLASSIFIER OF A PULSED NEURONAL NETWORK AND SUPPORT VECTOR MACHINE | |
DE112017003723T5 (en) | Improved control of a robotic prosthesis by a cognitive system | |
EP3435295A1 (en) | Preprocessing for a classification algorithm | |
DE202019106332U1 (en) | Controlled adaptive optimization | |
Samal et al. | Ensemble median empirical mode decomposition for emotion recognition using EEG signal | |
DE112016007146T5 (en) | Fault identification device and fault identification method | |
DE102017130194A1 (en) | Learning method, corresponding system, corresponding device and corresponding computer program product | |
DE112015007217T5 (en) | HMM-based adaptive spectrogram tracking method | |
DE202022107266U1 (en) | A face recognition system to distinguish between similar faces | |
DE102018006371A1 (en) | TARGETING A DIGITAL EXPERIENCE USING A BAYES APPROACH | |
DE102021108527A1 (en) | NEURON NETWORK DEVICE FOR OPERATING A NEURON NETWORK, METHOD FOR OPERATING A NEURON NETWORK DEVICE AND APPLICATION PROCESSOR INCLUDING A NEURON NETWORK DEVICE | |
DE102022105810A1 (en) | Efficient memory usage optimization for neural network deployment and execution | |
DE102022105545A1 (en) | Low complexity deep guided filter decoder for pixel by pixel prediction task | |
DE102021204040A1 (en) | Method, device and computer program for creating training data in the vehicle | |
DE102020123060A1 (en) | Systems and methods for sensing tire sidewall temperature | |
Chen et al. | Classification of stroke patients’ motor imagery EEG with autoencoders in BCI-FES rehabilitation training system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed |